StripePy：基于计算几何学的Hi-C数据中快速稳健的染色质条纹特征分析工具

本研究针对Hi-C等染色体构象捕获数据中关键但缺乏自动化识别工具的染色质"条纹"(architectural stripes)特征，开发了基于计算几何学和拓扑数据分析的创新算法StripePy。研究团队通过整合几何模式识别与代数拓扑方法，实现了对条纹宽度、高度等二维特征的精准量化，并开发了标准化评估体系StripeBench。结果表明StripePy在识别敏感性和准确性上显著优于现有工具，为研究染色质环挤压(loop extrusion)机制及其在基因调控、DNA修复中的功能提供了重要技术支撑。

　　

基因组三维结构研究领域面临着一个关键挑战：虽然Hi-C等染色体构象捕获技术已揭示染色质存在层次化折叠特征，但对于其中特殊的"条纹"模式——表现为接触矩阵中从主对角线延伸的窄矩形信号——仍缺乏高效的自动化识别工具。这些条纹被认为是由黏连蛋白(cohesin)介导的不对称环挤压过程形成，在基因调控、发育和DNA修复中发挥重要作用。然而现有分析方法多基于图像处理技术，难以准确量化条纹的二维几何特征，且缺乏标准化评估体系。

挪威奥斯陆大学的研究团队在《Bioinformatics》发表的研究中，开发了创新算法StripePy。该方法突破性地将计算几何学和拓扑数据分析应用于Hi-C数据处理，通过四步分析流程：预处理、种子位点检测、几何域界定和特征描述符计算，实现了对条纹结构的精准识别和量化。研究同时建立了包含64个模拟接触图的评估基准StripeBench，系统比较显示StripePy在真阳性率(TPR)上较现有工具提升43%，在平衡准确率(bACC)上提升6.5%。特别值得注意的是，通过引入宽度估计使识别性能指标F1r达到0.7699，证实条纹应被视为二维矩形而非一维线段。

关键技术方法包括：1) 基于MoDLE模拟生成不同分辨率、接触密度和噪声水平的基准数据集；2) 整合拓扑持续性分析筛选显著局部极值点；3) 开发相对变化参数量化条纹内外信号差异；4) 采用hickpy库高效处理.hic和.mcool格式数据。实验分析涵盖H1-hESC和GM12878细胞系的Hi-C/Micro-C数据，与CTCF ChIP-Seq峰值比对验证。

研究结果部分，"StripePy改进条纹分类和识别"表明，在分类任务中StripePy真阳性率中位数达0.2794，显著高于Chromosight(0.1957)和StripeCaller(0.0753)。单值指标显示StripePy平衡准确率(bACC)中位数为0.6272，几何平均数(GM)为0.5208，均优于对比工具。"包含条纹宽度估计进一步提升性能"部分揭示，通过宽度估计使锚点命中率(AHR)中位数提升至0.6312，好候选比例(FGC)达0.9767，证实二维分析的重要性。"StripePy发现已知和新颖条纹"通过热图分析显示，StripePy能识别其他工具遗漏的18.2%锚点，在考虑宽度时这一比例提升至46%。"StripePy在不同条件下优于现有工具"表明，即使在低接触密度(δ=0.5x)和高噪声(σ=1.5)等极端条件下，StripePy仍保持稳定性能。

结论部分强调，StripePy通过几何方法革新了染色质条纹分析范式，其优势体现在三方面：1) 首次实现条纹宽度和高度的定量描述；2) 计算效率显著提升，处理20亿级交互数据仅需35秒；3) 配套基准StripeBench填补领域标准化评估空白。讨论指出当前限制主要源于染色质特征定义的模糊性，未来需结合单细胞Hi-C和活细胞成像进一步验证。该工具已开源并支持Docker容器化部署，其MIT许可证保障了学术使用的便利性。这项工作不仅为三维基因组学研究提供重要方法学突破，其几何分析思路也为其他染色质特征识别提供了新范式。